收录:
摘要:
本发明公开一种基于测试样本加权与类别假设的分类方法,通过将测试样本假定为某一分类类别,并运用混沌算法在全空间参数搜索上的优势给出其对应的最佳权值,让加权的测试样本参与到分类器模型的训练中,与训练样本一同训练得出新的分类器模型;借助该分类器重新计算每个训练样本的分类情况,进而得出分类器整体分类精度;重新对测试样本的分类情况进行假设,使其遍历所有可能的分类并分别训练对应分类器模型,计算分类精度;对全部训练所得分类器按分类精度进行排序,基于分类器的分类精度越高测试样本分类假设越合理的原则,找到对测试样本的最佳分类假设作为该样本的类别判断。与其它分类方法相比,本发明的方法具有更好表现。
关键词:
通讯作者信息:
电子邮件地址: